论文部分内容阅读
摘要：本文主要介绍一种关于图像与视频分析的电力设备智能监控系统，其主要是将CCD摄像机拍摄的图像或视频资料借助网络传输到服务器，并借助边缘检测、特征提取以及目标最终等多个处理、识别方式自动识别出具体的安全隐患，希望可以借助本文为相关从业者提供一定帮助。
关键词：图像和视频;电力设备;监控系统;应用
0.引言
随着经济的快速发展，电力系统规模不断扩大，人们对电力系统的依赖性和安全性要求逐渐增强。电力行业属于我国支撑性的产业，在稳定、安全方面的要求较高，这也是推动我国国民经济持续发展的基础前提。在我国电网运行过程中，因为线路复杂，可能会遭受环境、人为等因素影响，从而导致安全风险的存在。传统的视频监控系统主要是以人为的方式进行监督管理，但是人为一直观看监控不仅会形成视觉疲劳，导致注意力下降从而无法及时发现安全隐患，同时人力资源成本较高，整体效益较差。对此，探讨图像和视频分析在电力设备监控系统中的应用具备显著实际意义。
1.智能化监控平台
电力设备的监控系统结构主要涉及到线路侧、变电站、监控系统以及智能控制终端。其中铁塔上的摄像头可以通过太阳能进行供电，所采集的数据借助网络传输的方式上传到智能监控终端上进行分析处理[1]。当前比较常用的电力设备主要普遍是安装在输电线路的铁塔上，以可变焦的云台摄像机为主，对输电线路、杆塔以及线路及周边区域实行全方位的监督控制。假设在铁塔上的摄像机借助太阳能的方式充电，并拍摄图片或视频之后借助无线网、Internet网络传输到后端的智能控制终端，在智能控制终端上对所获取的视频或图片进行预处理[2]。应用太阳能供电或无限网络的方式传输数据，促使系统的安装更容易落实，同时具备更突出的扩充性。智能终端的处理系统对于图片与视频处理之后如果存在异常则及时报警并提示值班人员核查。
2.监控系统运行算法
近年来，随着国家基础建设的深入开展，电力基础设施的建设密度和地理分布的广度得到了迅猛的提升。目前关于图像和视频分析在电力设备监控系统中，关于报警监测的计算方式主要涉及到人侵检测、线路舞动检测以及异物检测等方面[3]。应用基础视频目标的跟踪方式进行处理，对安全距离进行动态化监测，应用静态图片的分析处理方式，和静态图片相比而言，应用视频分析的方式可以更好的获得物体的动态化运动信息，但是因为视频传输时所涉及到的数据量比较大，所以静态图片的传输方式可以更好的减少数据资源的消耗。按照处理方式的不同在具体的检测算法方面并不相同。对于基于视频的检测方式主要涉及到入侵、异物以及线路舞动三个方面的检测技术，而基于图片的检测方式主要涉及到安全距离、铁塔倾斜、覆冰、弧垂等方面。
2.1 动态视频检测技术
基于动态视频的检测算法主要是应用目标跟踪的计算方式，判断是否存在运动物体和跟踪物体的运动轨迹，从而实现异常现象的判断。在目标跟踪方面主要划分为三个步骤，第一步是背景的建模，应用混合高斯模型处理方式，为每一个像素点制定具体自适应的混合高斯模型，并对每一个像素点进行定义，以随机变量的方式进行数据采集。加入均值向量、协方差矩阵进行计算+，。第二步是前景提取，对每一个新的像素将像素值和背景模型的前一个高斯分布进行匹配，在匹配成功后判定为背景，否则判定为前景。之后对前景的像素点实行连通域的分析处理，过滤小的连通域并获得前景运动的目标。第三步是目标跟踪。对连续性的帧数处理方式，实现前景物体的跟踪，并按照跟踪物体的具体大小、形状应用特征轮廓分析、特征点分析的方式实现目标跟踪。
在检测过程中的具体实施方面，对于入侵的检测检测目标要求普遍比较大，所以都是以轮廓跟踪的方式为主。对于所获取的前景像素实行连通域的分析，在设置相应阈值的同时，过滤掉比较小的连通域，这样的处理方式能够去除掉比较多的噪音干扰以及小动物的影响，并有效的降低误报警问题。对于异物的检测，需要确保运动目标在导线区域内，并停留在导线区域中时，可以判断物体悬挂子在导线上并报警。对于线路舞动的问题，为了有效的减少计算量，可以在线路相对更容易出现舞动的中间部位进行目标跟踪处理，计算出具体的舞动幅度，同时以最大值、阈值的比值作为报警依据。
2.2 静态图片检测技术
首先，安全距离的检测。安全距离的检测主要是使用检测线路或周边树木是否过多接近线路与铁塔为主。应用HOG特征分析方式以及SVM分类模式进行检测，正样本则是以大量的树木图片为主，负样本则是以随机截取的未含有树木的背景图片为主[5]。在分析之前需要先对图像实行gamma/colour归一化处理，对其中部分光照影响进行处理，计算没一个点位的梯度幅值与方向。将图像划分为相同大小的block，不同block再继续划分为多个cells，不同cell内部统计赋值甲醛的梯度方向直方图，以block作为单位，将block的行进步长作为边长的一半，这样的重叠方式cells因为属于不同而被归一化成为不同的特征值，之后将cell的特征进行串联形成HOG特征向量。借助上述的方式提取出所有正样本与负样本的HOG特征并进行训练线性SVM分类。对于一幅等待检测的图像设置一个滑窗，在设置的监测区域内进行滑动，提取不同窗口内图像的HOG特征，采用训练好的SVM分类器实现树木是否存在的判断。其次，在铁塔倾斜方面，对于铁塔倾斜主要是应用铁塔水平方向形心坐标的变化量进行判断，形心应用边缘提取之后所获得的边缘分布X轴方向进行加权平均处理，考虑铁塔倾斜问题，铁塔上部的倾斜程度相对于底部而言要大，此时形心的变量也会更大，所以在考虑时只统计铁塔的上半部分变化量。实行Canny边缘提取的过程中，在列方向上统计边缘点的数据量，在获得边缘直方图特征向量，假设图像比较大则以数列的方式进行统计分析。最后，在覆冰检测方面，覆冰与积雪的颜色均属于白色，可以应用颜色的特征实现的对覆冰积雪的检测，考虑到下雪时地面也属于白色，所以需要适当调整摄像机的方向，促使线路尽可能以天空为背景，再对图像实行灰度化处理，采用直方图均衡化处理，实行二值化，二值化过程中阈值可以借助大量样本的统计方式获取，此时可以应用自适应阈值的选择方式获得。二值化之后部分积雪与覆冰的部分像素值为I，其他为0，借助白点数与总点数的方式判断是否存在覆冰。另外，在弧垂检测方面，弧垂监测主要是通过计算导线曲率的方式实现，合理的调整摄像机的角度，促使线路尽可能以天空为背景，规避地面上运动物体的干扰影响。检测的区域选定为导线中间的部分，对划定的监测区域实行直方图均衡化处理，对局部的直方图均衡化促使导线的正确检出更加容易，之后采用Canny边缘检测的处理方式实现连通域分析，过滤掉比较小的连通域，从而实现导线的提出，实现弧垂角度的分析实现风险判断。
3.总结
综上所述，借助近些年快速发展创新的物体识别技术模式，图像和视频分析在电力设备监控系统中的应用效果也在不断的提高。在今后，需要不断的创新相关技术，例如将谱残差模型应用在TI-DMC642平台上，从而实现计算时间与计算量的减少，同时在后续的处理当中加入阈值化的步骤进行优化，从而保障整个系统的运行可靠度。在具体的应用过程中，还可以应用物体检测技术，借助便捷式的仪器设备进行基础设计，从而确保整体实用性价值。
参考文献
[1]张娟.融合中值滤波与小波软阈值去噪模型的新元矿视频监控图像滤波方法[J].金属矿山，2017，11（12）：244-245
[2]张召峰，孙庆森，杨军.图像智能分析技术在输电线路监控系统中的应用[J].自动化技术与应用，2017，23（7）：52-53.
[3]尹騰飞，张菁，李志伟.Harris角点检测在电力设备状态监测中的应用[J].计算机测量与控制，2018，26（12）：40-43.
[4]闫利霞.图像智能识别技术在舰船电力系统远程设备监控的应用简[J].舰船科学技术，2018，23（11）：14-15.
[5]詹学磊，黄杰，张科，etal.基于空间聚类的电网视频监控设备运行状态感知数据实时空间可视化技术研究与实现[J].自动化与仪器仪表，2017，14（9）：179-181.
[6]黄初指，陈斌.电力开闭所智能视频分析安全帽识别算法的应用[J].自动化应用，2015.
[7]刘强，周建平，杨泽刚.图形化外场通用故障诊断模型开发平台设计与实现[J].现代电子技术，2015，38（7）：12-15.
[8]宋一杰，赵晴，杨凯文，等.基于QI标准的无线充电传感器网络节点设计[J].电子设计工程，2014（21）：121？123.
[9]闫光辉，杨立，范春利，等.基于红外测温的电气控制拒内部元件热缺陷温度与方位的三维反问题识别[J].红外与激光工程，2013，41（11）：2909-2915.
[10]陈健，陈媛媛.电力设备红外在线监测与诊断管理研究[J].安徽电气工程职业技术学院学报，2013，18（1）：13-17.
关键词：图像和视频;电力设备;监控系统;应用
0.引言
随着经济的快速发展，电力系统规模不断扩大，人们对电力系统的依赖性和安全性要求逐渐增强。电力行业属于我国支撑性的产业，在稳定、安全方面的要求较高，这也是推动我国国民经济持续发展的基础前提。在我国电网运行过程中，因为线路复杂，可能会遭受环境、人为等因素影响，从而导致安全风险的存在。传统的视频监控系统主要是以人为的方式进行监督管理，但是人为一直观看监控不仅会形成视觉疲劳，导致注意力下降从而无法及时发现安全隐患，同时人力资源成本较高，整体效益较差。对此，探讨图像和视频分析在电力设备监控系统中的应用具备显著实际意义。
1.智能化监控平台
电力设备的监控系统结构主要涉及到线路侧、变电站、监控系统以及智能控制终端。其中铁塔上的摄像头可以通过太阳能进行供电，所采集的数据借助网络传输的方式上传到智能监控终端上进行分析处理[1]。当前比较常用的电力设备主要普遍是安装在输电线路的铁塔上，以可变焦的云台摄像机为主，对输电线路、杆塔以及线路及周边区域实行全方位的监督控制。假设在铁塔上的摄像机借助太阳能的方式充电，并拍摄图片或视频之后借助无线网、Internet网络传输到后端的智能控制终端，在智能控制终端上对所获取的视频或图片进行预处理[2]。应用太阳能供电或无限网络的方式传输数据，促使系统的安装更容易落实，同时具备更突出的扩充性。智能终端的处理系统对于图片与视频处理之后如果存在异常则及时报警并提示值班人员核查。
2.监控系统运行算法
近年来，随着国家基础建设的深入开展，电力基础设施的建设密度和地理分布的广度得到了迅猛的提升。目前关于图像和视频分析在电力设备监控系统中，关于报警监测的计算方式主要涉及到人侵检测、线路舞动检测以及异物检测等方面[3]。应用基础视频目标的跟踪方式进行处理，对安全距离进行动态化监测，应用静态图片的分析处理方式，和静态图片相比而言，应用视频分析的方式可以更好的获得物体的动态化运动信息，但是因为视频传输时所涉及到的数据量比较大，所以静态图片的传输方式可以更好的减少数据资源的消耗。按照处理方式的不同在具体的检测算法方面并不相同。对于基于视频的检测方式主要涉及到入侵、异物以及线路舞动三个方面的检测技术，而基于图片的检测方式主要涉及到安全距离、铁塔倾斜、覆冰、弧垂等方面。
2.1 动态视频检测技术
基于动态视频的检测算法主要是应用目标跟踪的计算方式，判断是否存在运动物体和跟踪物体的运动轨迹，从而实现异常现象的判断。在目标跟踪方面主要划分为三个步骤，第一步是背景的建模，应用混合高斯模型处理方式，为每一个像素点制定具体自适应的混合高斯模型，并对每一个像素点进行定义，以随机变量的方式进行数据采集。加入均值向量、协方差矩阵进行计算+，。第二步是前景提取，对每一个新的像素将像素值和背景模型的前一个高斯分布进行匹配，在匹配成功后判定为背景，否则判定为前景。之后对前景的像素点实行连通域的分析处理，过滤小的连通域并获得前景运动的目标。第三步是目标跟踪。对连续性的帧数处理方式，实现前景物体的跟踪，并按照跟踪物体的具体大小、形状应用特征轮廓分析、特征点分析的方式实现目标跟踪。
在检测过程中的具体实施方面，对于入侵的检测检测目标要求普遍比较大，所以都是以轮廓跟踪的方式为主。对于所获取的前景像素实行连通域的分析，在设置相应阈值的同时，过滤掉比较小的连通域，这样的处理方式能够去除掉比较多的噪音干扰以及小动物的影响，并有效的降低误报警问题。对于异物的检测，需要确保运动目标在导线区域内，并停留在导线区域中时，可以判断物体悬挂子在导线上并报警。对于线路舞动的问题，为了有效的减少计算量，可以在线路相对更容易出现舞动的中间部位进行目标跟踪处理，计算出具体的舞动幅度，同时以最大值、阈值的比值作为报警依据。
2.2 静态图片检测技术
首先，安全距离的检测。安全距离的检测主要是使用检测线路或周边树木是否过多接近线路与铁塔为主。应用HOG特征分析方式以及SVM分类模式进行检测，正样本则是以大量的树木图片为主，负样本则是以随机截取的未含有树木的背景图片为主[5]。在分析之前需要先对图像实行gamma/colour归一化处理，对其中部分光照影响进行处理，计算没一个点位的梯度幅值与方向。将图像划分为相同大小的block，不同block再继续划分为多个cells，不同cell内部统计赋值甲醛的梯度方向直方图，以block作为单位，将block的行进步长作为边长的一半，这样的重叠方式cells因为属于不同而被归一化成为不同的特征值，之后将cell的特征进行串联形成HOG特征向量。借助上述的方式提取出所有正样本与负样本的HOG特征并进行训练线性SVM分类。对于一幅等待检测的图像设置一个滑窗，在设置的监测区域内进行滑动，提取不同窗口内图像的HOG特征，采用训练好的SVM分类器实现树木是否存在的判断。其次，在铁塔倾斜方面，对于铁塔倾斜主要是应用铁塔水平方向形心坐标的变化量进行判断，形心应用边缘提取之后所获得的边缘分布X轴方向进行加权平均处理，考虑铁塔倾斜问题，铁塔上部的倾斜程度相对于底部而言要大，此时形心的变量也会更大，所以在考虑时只统计铁塔的上半部分变化量。实行Canny边缘提取的过程中，在列方向上统计边缘点的数据量，在获得边缘直方图特征向量，假设图像比较大则以数列的方式进行统计分析。最后，在覆冰检测方面，覆冰与积雪的颜色均属于白色，可以应用颜色的特征实现的对覆冰积雪的检测，考虑到下雪时地面也属于白色，所以需要适当调整摄像机的方向，促使线路尽可能以天空为背景，再对图像实行灰度化处理，采用直方图均衡化处理，实行二值化，二值化过程中阈值可以借助大量样本的统计方式获取，此时可以应用自适应阈值的选择方式获得。二值化之后部分积雪与覆冰的部分像素值为I，其他为0，借助白点数与总点数的方式判断是否存在覆冰。另外，在弧垂检测方面，弧垂监测主要是通过计算导线曲率的方式实现，合理的调整摄像机的角度，促使线路尽可能以天空为背景，规避地面上运动物体的干扰影响。检测的区域选定为导线中间的部分，对划定的监测区域实行直方图均衡化处理，对局部的直方图均衡化促使导线的正确检出更加容易，之后采用Canny边缘检测的处理方式实现连通域分析，过滤掉比较小的连通域，从而实现导线的提出，实现弧垂角度的分析实现风险判断。
3.总结
综上所述，借助近些年快速发展创新的物体识别技术模式，图像和视频分析在电力设备监控系统中的应用效果也在不断的提高。在今后，需要不断的创新相关技术，例如将谱残差模型应用在TI-DMC642平台上，从而实现计算时间与计算量的减少，同时在后续的处理当中加入阈值化的步骤进行优化，从而保障整个系统的运行可靠度。在具体的应用过程中，还可以应用物体检测技术，借助便捷式的仪器设备进行基础设计，从而确保整体实用性价值。
参考文献
[1]张娟.融合中值滤波与小波软阈值去噪模型的新元矿视频监控图像滤波方法[J].金属矿山，2017，11（12）：244-245
[2]张召峰，孙庆森，杨军.图像智能分析技术在输电线路监控系统中的应用[J].自动化技术与应用，2017，23（7）：52-53.
[3]尹騰飞，张菁，李志伟.Harris角点检测在电力设备状态监测中的应用[J].计算机测量与控制，2018，26（12）：40-43.
[4]闫利霞.图像智能识别技术在舰船电力系统远程设备监控的应用简[J].舰船科学技术，2018，23（11）：14-15.
[5]詹学磊，黄杰，张科，etal.基于空间聚类的电网视频监控设备运行状态感知数据实时空间可视化技术研究与实现[J].自动化与仪器仪表，2017，14（9）：179-181.
[6]黄初指，陈斌.电力开闭所智能视频分析安全帽识别算法的应用[J].自动化应用，2015.
[7]刘强，周建平，杨泽刚.图形化外场通用故障诊断模型开发平台设计与实现[J].现代电子技术，2015，38（7）：12-15.
[8]宋一杰，赵晴，杨凯文，等.基于QI标准的无线充电传感器网络节点设计[J].电子设计工程，2014（21）：121？123.
[9]闫光辉，杨立，范春利，等.基于红外测温的电气控制拒内部元件热缺陷温度与方位的三维反问题识别[J].红外与激光工程，2013，41（11）：2909-2915.
[10]陈健，陈媛媛.电力设备红外在线监测与诊断管理研究[J].安徽电气工程职业技术学院学报，2013，18（1）：13-17.